在2023中国国际工业博览会(CIIF)期间,英特尔携手多家生态伙伴参展,展区涵盖机器视觉、工业控制、工业数字化与工业计算机四大板块,其中还包含了以光伏锂电制造为主题的新能源区域,旨在让现场观众近距离了解英特尔最新软硬件产品组合与先进技术,并充分感受其在赋能智能制造过程中发挥的创新能量。
期间,英特尔亦举行以“数智芯生力”为主题的2023英特尔工业物联网大会。此次大会汇聚了工业数字化转型领域的创新者与技术引领者,为众多行业专家和技术大咖提供了分享数字化、机器视觉、控制机器人等热门话题的交流平台,也为中国工业物联网领域的优秀技术成果提供了绝佳的展示空间。
近年来,英特尔一直基于软件定义的、支持可持续发展的智能边缘与网络基础架构,全面赋能包括制造业在内的千行百业合作伙伴,丰富产业生态。在制造业领域,英特尔以满足严苛工业环境要求的计算平台、边缘节点参考架构、边缘洞见平台、边缘控制平台等软硬件为基础,辅以全方位的产业链支持,将新兴边缘计算技术、人工智能、机器人、高可靠网络互连及工业软件等工具与传统工业自动化系统相融合,构建面向智能制造的IT&OT&CT融合的工业数字化解决方案,助力中国工业企业实现降本增效,推动中国制造业转型升级。
在会上分享的众多实践案例中,光伏与新能源产业的落地应用格外引人瞩目。英特尔中国区物联网及渠道数据中心事业部总经理郭威表示:“通过机器视觉、工业控制和工业信息化等领域的先进技术,英特尔持续推动工业数字化与信息化进程。尤其在中国光伏与新能源制造产业加速发展的过程中,英特尔期待以源源不断的科技创新为该产业持续做出贡献,与生态伙伴共创可持续发展的未来。”
英特尔中国区物联网及渠道数据中心事业部总经理郭威发表演讲
光伏制造企业的核心资产是自动化和智能化生产设备,其性能和技术发展对生产效率、产品质量和成本有着重要影响。为此,英特尔第12代酷睿桌面处理器成功助力包括汇川、海康机器人在内的行业客户充分发挥了各自独特的优势。通过采用OneAPI 和OpenVINO工具套件,客户也进一步实现了加速深度学习模型推理、AI算法优化与多路数据处理等诸多功能。
此外,在英特尔酷睿平台与工业边缘控制平台(ECI)的加持下,大族智控实现了控制的实时性提升和焊接良率的改善,节卡机器人提高了生产效率和灵活性,而吉兰丁智能科技则实现了机加工监控的全面优化。这一系列案例充分展示了英特尔在中国制造业数字化转型过程中所发挥的关键作用,即为不同客户提供了多层次的技术支持与增益。
英特尔网络与边缘事业部工业解决方案中国区总监李岩发表演讲
英特尔网络与边缘事业部工业解决方案中国区总监李岩表示:“在全球数字化转型的潮流中,英特尔以多元的产品组合为动力,积极推动边缘转型。在英特尔工业物联网战略的引导下,我们将持续为工业物联网平台注入动力,整合边缘负载,构筑基于软件定义的工业系统,为与广泛合作伙伴加速迈向自主且灵活的工业物联网未来做好准备。”
未来,英特尔将继续作为工业数字化转型的创新者和贡献者,通过计算、连接、基础设施、人工智能,以及传感和感知这五大基础的超级技术力量,助力更多企业在快速演进的技术潮流中发现更具灵活性与扩展性的转型路径,实现高速增长,共创美好未来!
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。